כתבה
arXiv cs.AI ·
שימוש במחשב סymbolic-Neuro: למידת מדיניות רציפה לביצועים אמינים וכרוא
Neuro-Symbolic Computer Use: Learning Reusable Policies for Reliable and Efficient Execution
נראה שאתה עובד על פרויקט חדשני של למידת מדיניות לביצועים אמינים וכרוא. המחקר עוסק בלמידת מדיניות רציפה לביצועים אמינים וכרוא של זרימות עבודה חוזרות. המדיניות הלמודה תוכל לבצע את הזרימות עבודה בצורה אמינה וכרוא, כולל גירויים חדשים ומצבי תחילה שונים.
תקציר מקורי באנגליתarXiv:2609.36927v1 Announce Type: new Abstract: Many computer tasks recur: the same workflow runs many times, with new inputs and from different starting states. Current computer-use agents re-plan every step of every run, which makes them costly and unreliable on such tasks. We introduce neuro-symbolic computer use, in which a recurring workflow is executed by a learned policy rather than re-derived by an agent on each run. The policy fixes the decisions that are stable across runs (ordering, variables, loops, and branches) in executable code, and delegates observation-dependent decisions, such as grounding and state checks, to neural models. We learn these policies with neuro-symbolic policy iteration: starting from one agent trajectory, it executes the policy, diagnoses failures with ta
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית